-
CN-UNet:融合ConvNeXt与切片辅助超分割的红外弱小目标检测新方法
本文针对红外弱小目标检测中存在的低对比度、纹理缺失等难题,提出了一种基于ConvNeXt模块的U形分割网络CN-UNet。研究通过引入多尺度局部对比学习模块(MSLCLM)增强目标特征筛选能力,并结合切片辅助超分割(SAHS)技术提升推理精度。实验表明,该方法在NUAA-SIRST、NUDT-SIRST和IRSTD-1K三个基准数据集上均优于现有先进方法,在保持较低计算成本的同时显著提升了检测性能,为复杂背景下的红外目标识别提供了高效解决方案。
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
时间:2025-12-08
-
基于语言中间特征的电子喉语音增强方法:解决领域失配问题
本研究针对电子喉(EL)语音增强任务中的领域失配问题,创新性地提出利用语言中间特征(linguistic intermediates)提升语音可懂度与自然度。研究人员通过构建识别-对齐-合成框架,首先采用瓶颈特征(BNF)中间表示消除预训练(典型语音)与微调(EL语音)数据间的音色失配,显著提升性能;进一步引入离散文本中间特征(如音素级表示)缓解源-目标数据间的时序失配,改善韵律建模。实验表明,该方法在字符错误率(CER)和自然度评分(MOS)上均取得显著提升(CER绝对改善16%,MOS提高0.83),并在大规模伪EL数据集上验证了其泛化能力。该研究为跨领域语音转换提供了有效解决方案,对改善语言障碍患者的沟通质量具有重要意义。
来源:IEEE Journal of Selected Topics in Signal Processing
时间:2025-12-08
-
SCPDNet:融合可变形注意力与多尺度特征的遥感影像滑坡检测新方法
本文针对复杂地形下滑坡检测存在的边界模糊和小尺度目标识别难题,提出了一种基于SAM(Segment Anything Model)的SCPDNet网络。通过引入可变形多头注意力(DMHA)模块增强几何特征感知能力,结合多尺度注意力融合(MSAF)机制实现跨层级特征交互,并设计交叉金字塔可变形注意力(CPDA)模块协同优化局部细节与全局上下文信息。实验表明,该方法在Bijie(0.8 m分辨率)和Landslide4Sense(10 m分辨率)数据集上mIoU分别达到87.66%和76.51%,显著提升滑坡边界分割精度,为地质灾害应急响应提供可靠技术支撑。
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
时间:2025-12-08
-
基于自适应融合双流光谱-空间Transformer网络的SAR光学云去除方法
本文针对光学遥感影像云层遮挡问题,提出了一种基于自适应融合双流光谱-空间Transformer网络(AFSST)的创新解决方案。研究团队通过设计光谱Transformer块(SpeTB)提取光学影像全局光谱特征,结合空间Transformer块(SpaTB)挖掘SAR影像空间注意力信息,并开发多尺度SAR特征提取机制(MSFEM)增强边缘特征。实验表明该方法在GF-CR和SEN12MS-CR数据集上PSNR达到34.70dB/34.69dB,显著优于现有技术,为多源遥感数据融合提供了新范式。
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
时间:2025-12-08
-
月球基地地球辐射观测站的间隙日光入侵风险评估:大气折射与衰减效应的新方法
本文针对月球基地地球辐射观测站(MERO)在固定视场角下可能面临的间隙日光入侵风险,提出了一种综合考虑大气折射、衰减效应及入瞳辐照度的评估方法。研究发现,在2021年至2039年的18.6年评估期内,年均风险时长为10-29小时,总风险占比0.23%,较仅基于几何分析的方法提升2.56倍。该研究为深空辐射观测仪器的防护设计提供了重要依据。
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
时间:2025-12-08
-
FEA-Net:基于特征增强注意力UNet的灾后建筑物损伤分级分类方法研究
本研究针对灾后建筑物损伤评估中存在的类别分布不平衡和渐进式损伤特征模糊两大核心挑战,提出了一种基于特征增强注意力UNet(FEA-Net)的图像分类方法。通过引入多尺度差异特征提取模块(MCBM)和边界动态特征模块(BDF),结合Dice Loss和Focal Loss的混合损失函数,在xBD数据集上实现了74.8%的F1分数和60.4%的IoU,显著提升了损伤边界的识别精度和类别不平衡问题的处理能力,为灾后应急响应提供了更可靠的技术支持。
来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
时间:2025-12-08
-
一种基于引力原理的快速线性时间图聚类方法,适用于大数据处理
基于图的聚类优化方法提出了一种双阶段离散化分区与稀疏图构建结合的引力启发式合并框架,在保证O(N log N)复杂度下实现27.33%的聚类精度提升和86.64%的效率优化,有效解决了高维大数据场景中传统聚类方法的局限性。
来源:IEEE Transactions on Big Data
时间:2025-12-08
-
一种对PVT(工艺、电压和温度)变化不敏感的生物识别技术,具有宽广的EDO(边缘检测输出)消除范围。该技术采用了基于批量驱动的偏置电压自适应调整OTA(开环放大器)以及预反馈机制的ADSL(自适应差分扫描逻辑)架构
该研究提出了一种具有PVT不敏感特性且电极直流偏移(EDO)消除范围达±240mV的生物信号仪器放大器,通过自适应偏置电压运放(BD-VAA OTA)抑制输入晶体管栅极漏电流,结合预反馈模拟直流伺服环路(PF-ADSL)扩展EDO消除范围,并采用改进寄生电容屏蔽技术(IPCS)提升差模和共模输入阻抗至5.2GΩ和39.9GΩ。
来源:IEEE Transactions on Circuits and Systems I: Regular Papers
时间:2025-12-08
-
面向在线异构特征选择的图统一自适应决策边界增强方法(GRADE)
本文针对高维异构特征数据流中特征关系复杂、动态演化带来的挑战,提出了一种名为GRADE的在线异构特征选择方法。该方法通过引入增量图统一度量(IGUM)统一异构特征关系表示,并结合自适应密度引导邻域关系(ADNR)动态捕捉决策边界,实现了高效、精准的特征子集筛选。实验表明GRADE在分类准确率和特征简洁性方面均优于现有方法,且无需预设参数,为动态数据环境下的特征分析提供了可靠解决方案。
来源:IEEE Transactions on Cybernetics
时间:2025-12-08
-
基于数据信息性的正系统分析与设计的线性规划方法
本文针对正系统的数据驱动分析与设计问题展开研究。作者团队提出了基于线性规划(LP)的数据信息性分析框架,解决了正系统在α-稳定性、正观测器和正镇定控制等方面的设计难题。研究通过扩展Farkas引理建立了数据驱动条件与LP问题的等价关系,实现了无需系统辨识的直接控制器设计。该方法显著降低了稳定性分析所需数据量,为网络系统控制提供了新思路。
来源:IEEE Control Systems Letters
时间:2025-12-08